林達德臺灣大學:生物產業機電工程學研究所劉子誠Liu, Tzu-ChengTzu-ChengLiu2010-05-052018-07-102010-05-052018-07-102008U0001-2507200814462300http://ntur.lib.ntu.edu.tw//handle/246246/180211本研究針對上一代無線聽診器進行效能提升，並且開發新一代的可攜式智慧型心音聽診系統。此系統包含一個無線聽診裝置與一套心音訊號處理軟體，主要目的為瓣膜性心臟病的自動診斷。無線聽診裝置以MICAz無線感測網路模組為核心，搭配其他自製的模組所構成，包括心音感測模組和雙模式(充電/執行)電源管理模組。相較於前一代裝置，本裝置增加了心音即時監聽功能，也提高了訊號處理電路之頻寬，並將無線傳輸模組之參數最佳化。量測到的心音訊號，可以透過ZigBee無線通訊協定傳輸到個人電腦進行處理。在後端診斷系統中，利用C++ Builder撰寫使用者介面，具有心音訊號時頻域之即時顯示、多種檔案格式之儲存與讀取等功能。此外我們蒐集了網路上的心音資料庫進行分析，在MATLAB程式環境下建立異常心音偵測及心音分類演算法，使用滑動視窗之正規化平均夏儂能量擷取出心音包絡線，並執行心動週期分離以自動化閾值將連續的心音訊號切割出數個單一週期，分割出之心動週期具有93.37%的正確率。接著將心音包絡線轉換至頻域，使用正常心音的頻率特徵建立一個比對樣板，透過樣板比對與相關係數運算來偵測異常心音。在以接受者操作特性曲線(receiver operating characteristic curve, ROC curve)分析兩種方法的整體辨識能力下，兩者差異並不大，都可以用來偵測異常心音，在ROC曲線上選擇一適當閾值當作診斷標準，兩種偵測方法的偵測率分別為82.46%與81.20%。另外，結合心音包絡線特徵和基於短時傅立葉轉換的時頻域統計特徵，透過多層感知器倒傳遞類神經網路進行正常心音、舒張期心雜音及收縮期心雜音分類，其正確率分別為96.67%、94.19%、95.56%。The objective of this research is to improve the previously developed wireless stethoscope and to develop a newer portable intelligent auscultation system for heart sound signals. The system which includes a wireless auscultation device and a heart sound signal processing software is designed and implemented to diagnose valvular heart disease automatically. The auscultation device is based on a MICAz wireless sensor network module, a heart sound sensing module, and a power management module. For the new auscultation system, real-time heart sound auscultation is added, the bandwidth of signal processing is improved, and the parameters of wireless transmission are also optimized. Heart sound signals can be sent to personal computer via ZigBee communication protocol. The diagnosis system witch is developed with Borland C++ Builder provides some functions, such as displaying real-time heart sound signal in time-frequency domain, and saving and loading different file formats. Besides, two algorithms for abnormal heart sound detection and heart sound classification are constructed in MATLAB by analyzing heart sound samples collected from internet databases. Normalized average Shannon energy with sliding window is applied to extract heart sound envelope, and then the continuous heart sound signal is segmented to individual heart cycles by heart cycle segmentation based on auto-threshold with accuracy of 93.37%. After above procedures, those envelopes are transferred to frequency domain and compared with a pattern constructed from frequency feature of normal heart sounds by pattern matching and correlation coefficient operation for detecting abnormal heart sounds. In this study, receiver operating characteristic curve (ROC curve) is used to analyze the identification ability of two methods. The correlation coefficient operation and pattern matching are similar in the identification capability, and accuracies of abnormal detection are 82.46% and 81.20%, respectively, based on suitable threshold recommended by the ROC curve. Furthermore, the multiple layer perceptron back-propagation (MLP-BP) neural network is used as a heart sound classification algorithm. The input of this neural network is heart sound envelope feature which combines statistic information of time-frequency domain based on short-time Fourier transform (STFT). The neural network can classify normal heart sound, diastolic murmur, and systolic murmur, with accuracies of 96.67%, 94.19%, and 95.56%, respectively.目錄謝 i要 iiBSTRACT iii錄 v目錄 vii目錄 x一章 緒論 1.1前言 1.2研究背景 3.3研究目的 5二章 文獻探討 8.1心音概論 8.1.1心臟結構 8.1.2心音的產生 9.1.3心雜音的產生 10.1.4心音的頻率特性 12.2聽診系統的發展 13.2.1聽診器與心音圖 13.2.2新一代聽診系統 17.3數位心音訊號處理 20.3.1數位心音訊號處理概論 21.3.2心音成份分離 22.3.3心音特徵擷取 25.3.4心音模型建立與辨識 27.4無線感測網路概論 28.4.1無線感測網路與TinyOS簡介 28.4.2無線感測網路在醫療上的應用 29三章 研究設備與方法 31.1系統描述 31.2無線聽診裝置 32.2.1心音感測模組 33.2.2 MICAz無線傳輸模組 39.2.3電源管理模組 41.3自動診斷系統 43.3.1 MICAz無線接收模組與MIB510介面板 44.3.2心音分析軟體 45.4系統性能測試規劃 46.4.1無線聽診裝置測試 46.4.2無線傳輸效能評估 47.5異常心音偵測 50.5.1心音訊號前處理 52.5.2心音包絡線擷取 54.5.3心動週期分離 56.5.4偵測系統建立 58.6心音分類 60.6.1時頻域綜合特徵擷取 60.6.2分類系統建立 63四章 結果與討論 65.1系統性能分析結果 65.1.1無線聽診裝置測試結果 65.1.2無線傳輸效能結果 69.2系統成品 76.2.1無線聽診裝置 76.2.2自動診斷系統 80.2.3實際量測人體心音訊號 82.3異常心音偵測結果 83.3.1心音訊號前處理結果 83.3.2心音包絡線擷取結果 84.3.3心動週期分離結果 87.3.4偵測結果 91.4心音分類結果 99.4.1心音包絡線波形特徵擷取結果 99.4.2心音包絡線波形特徵分類結果 100.4.3時頻域統計特徵擷取結果 101.4.4時頻域統計特徵分類結果 107.4.5時頻域綜合特徵分類結果 108五章 結論與建議 109.1結論 109.2建議 111考文獻 112目錄2-1 人體心臟示意圖 92-2 心音聽診區域(Brown, 2002) 122-3 人耳與心音聽力閾值的頻率分佈圖(Várady et al., 2001) 122-4 心音圖 142-5 多種生理訊號對應圖(Ahlström, 2006) 162-6 現代聽診系統的發展重點 172-7 心音訊號處理方塊圖 222-8 心音訊號的主要成份圖 232-9 類神經網路架構圖 273-1 智慧型心音聽診系統架構圖 313-2 無線聽診裝置(HSmote)架構圖 323-3 CK-M600GP型聽診器 333-4 心音擷取單元電路圖 343-5 前級放大器電路圖 353-6 Sallen-Key二階主動式低通濾波器電路圖 363-7 音頻放大電路圖 373-8 心音感測模組的完整電路圖 383-9 MICAz無線傳輸模組實體圖 393-10 MICAz無線傳輸模組規格介紹 393-11 Cygwin開發環境 403-12 電源管理模組電路圖 423-13 自動診斷系統(HSanalyser)架構圖 433-14 MIB510介面板實體圖 443-15 心音分析軟體架構圖 463-16 無線傳輸效能之實驗架構圖 493-17 心音訊號處理完整架構圖 513-18 心音檔案類別之使用分配圖 523-19 不同心音包絡線擷取方法比較圖 543-20 滑動視窗示意圖 553-21 心動週期分離演算法 573-22 建立比對樣板與比對閾值流程圖 593-23 異常心音偵測方法流程圖 593-24 時頻域綜合特徵擷取流程圖 623-25 正切雙彎曲轉移函數 643-26 線性轉移函數 644-1 心音擷取單元測試結果圖 654-2 前級放大電路之輸出入波形圖 664-3 前級放大電路之頻率響應圖 674-4 Sallen-Key二階主動低通濾波器之頻率響應圖 684-5 訊號處理單元之頻率響應圖 684-6 無線傳輸測試介面 694-7 Set_1頻率-相關係數圖 754-8 Set_2頻率-相關係數圖 754-9 Set_3頻率-相關係數圖 754-10 Set_4頻率-相關係數圖 754-11 心音擷取單元實體圖 764-12 訊號處理單元實體圖 764-13 音頻放大單元實體圖 774-14 MICAz無線傳輸模組實體圖 774-15 電源管理模組實體圖 774-16 心音擷取單元與訊號處理單元結合圖 784-17 訊號處理單元與音頻放大單元結合圖 784-18 MICAz模組與訊號處理單元、音頻放大單元之結合圖 784-19 HSmote之頂層實體圖 794-20 HSmote之底層實體圖 794-21 HSmote完整實體圖 794-22 HSanalyser之心音分析軟體 804-23 HSanalyser之各項參數設定表單 814-24 HSanalyser之各項分析結果表單 814-25 實際量測人體心音訊號圖 824-26 加入四種不同等級雜訊的正常心音訊號時頻域圖 834-27 Butterworth低通濾波器頻率響應圖 844-28 正常心音封包絡線擷取結果圖(例1) 854-29 正常心音包絡線擷取結果圖(例2) 854-30 異常心音包絡線擷取結果圖(例1) 864-31 異常心音包絡線擷取結果圖(例2) 864-32 正常心音之心動週期分離結果圖(例1) 884-33 正常心音之心動週期分離結果圖(例2) 884-34 異常心音之心動週期分離結果圖(例1) 894-35 異常心音之心動週期分離結果圖(例2) 894-36 心音包絡線之頻率特徵圖 924-37 所有正常心音特徵與比對樣板圖 924-38 未加入雜訊之正常心音診斷指標分佈圖(使用樣板比對計算) 934-39 未加入雜訊之正常心音診斷指標分佈圖(使用相關係數計算) 934-40 樣板比對之診斷指標分佈圖 954-41 相關係數運算之診斷指標分佈圖 954-42 樣板比對與相關係數運算之ROC曲線圖 974-43 三類型心音包絡線擷取結果圖 1004-44 心音包絡線特徵-決定隱藏層神經元個數測試圖 1014-45心音包絡線特徵-網路訓練次數與均方差之關係圖 1014-46 正常心音之時頻域統計特徵擷取結果圖 1024-47 舒張期心雜音之時頻域統計特徵擷取結果圖 1034-48 收縮期心雜音之時頻域統計特徵擷取結果圖 1044-49 低頻部分之收縮期與舒張期統計特徵分佈圖 1064-50 高頻部分之收縮期與舒張期統計特徵分佈圖 1064-51 時頻域統計特徵-決定隱藏層神經元個數測試圖 1074-52 時頻域統計特徵-網路訓練次數與均方差之關係圖 1074-53 時頻域綜合特徵-決定隱藏層神經元個數測試圖 1084-54 時頻域綜合特徵-網路訓練次數與均方差之關係圖 108目錄1-1 96年度國人死因統計列表(衛生署，2008) 21-2 市面上之新型聽診器的網站連結列表 43-1 無線傳輸效能之測試參數表 503-2 心音資料庫網路連結參考表 503-3 心音訊號之檔案格式正規化參數表 533-4 目標樣板分配表 644-1 MICAz無線傳輸模組之參數組合定義表 704-2 Set_1與Set_2之測試結果 704-2 Set_1與Set_2之測試結果(續) 714-3 Set_3與Set_4之測試結果 724-3 Set_3與Set_4之測試結果(續) 734-4 人工訊號的頻率資料表 744-5 Set_1與Set_2的相關係數指標定義表 744-6 Set_3與Set_4的相關係數指標定義表 744-7 以相關係數評估訊號還原程度結果表 744-8 心音訊號之心動週期分離結果統計表 904-9 心音封包的心動週期長度統計表(單位：資料點) 914-10 未加入雜訊之正常心音進行比對程序比較表 944-11 ROC曲線相關名詞定義表 964-12 樣板比對偵測結果表 (msse: 0.1758) 984-13 相關係數運算偵測結果表 (mcc: 0.9577) 984-14 類神經網路之資料分配表 994-15 心音包絡線波形特徵之分類結果 1014-16 時頻域統計特徵之分類結果 1074-17 時頻域綜合特徵之分類結果 108application/pdf7847859 bytesapplication/pdfen-US智慧型聽診系統無線感測網路心音訊號處理特徵擷取intelligent auscultation systemwireless sensor networkheart sound signal processingfeature extractionthesishttp://ntur.lib.ntu.edu.tw/bitstream/246246/180211/1/ntu-97-R95631012-1.pdf